Informe de Resultados Red Multiambiental de Evaluación de cultivares de Trigo 2025/26

1 Introducción

El trigo (Triticum aestivum) es una opción común para la rotación invernal en la región, generalmente asociado con la soja de segunda. Su inclusión aporta carbono al suelo, mejora la cobertura y ayuda a reducir enfermedades y plagas en otros cultivos.

El rendimiento del trigo depende de la interacción entre el potencial genético de la variedad (genotipo) y las condiciones del ambiente (agua, nutrientes y radiación). Las plantas transforman estos recursos en biomasa y grano, proceso influenciado tanto por su genética como por el entorno (Yan y Kang, 2002).

Según el objetivo del mejoramiento genético, los genotipos pueden seleccionarse para adaptarse a diversos ambientes o para condiciones específicas. En este último caso, la interacción genotipo-ambiente (GA) se manifiesta cuando el rendimiento de una variedad varía según el lugar donde se cultiva (Malosetti et al., 2013).

Una fuerte interacción GA dificulta la predicción del rendimiento en distintos ambientes, por lo que la elección de la variedad más adecuada para cada zona es clave para maximizar la producción de trigo.

1.1 Objetivos

  • Resumir los datos de rendimiento de los genotipos de trigo evaluados en la Red CREA RNSF de Ensayos Multiambientales durante la campaña 2025/26.

  • Analizar estadísticamente los datos comparando los genotipos globalmente en toda la red en la campaña 2025/26.

  • Explorar y describir los patrones de la interacción GA en la campaña 2025/26 en particular y considerando el conjunto de ambientes explorados en las distintas localidades y campañas.

2 Metodología

2.1 Sitios experimentales

Durante la campaña 2025/26 se llevaron adelante ensayos comparativos de rendimiento de genotipos de trigo en 3 localidades del Norte de la Provincia de Santa Fe. Los sitios seleccionados para los ensayos en cada localidad corresponden a establecimientos productivos de miembros CREA de la Región Norte de Santa Fe. La distribución espacial e información de los ensayos se muestra en la Figura 2.1. A modo de referencia se incluye la ubicación de los ensayos de las campañas anteriores.

Mapa interactivo: se puede hacer zoom o mostrar/ocultar información de cada ensayo (Fecha de siembra, antecesor, densidad, fertilizacion, etc) haciendo haciendo clik sobre los puntos de la campaña 2025/26.

Figure 2.1: Distribución espacial de las localidades incluidas en la campaña 2025/26 y anteriores

En cada sitio se establecieron ensayos comparativos de rendimiento (ECR) utilizando un diseño experimental sin réplicas con controles sistemáticos (Kempton, 1997). Los materiales fueron sembrados con espaciamiento entre surco (EES) de entre 17 y 52 cm en franjas entre 1.87 y 10.37 m de ancho por entre 202 y 250 m de longitud.

2.2 Condiciones climáticas

En la Figura 2.2 se resumen las precipitaciones mensuales de la presente campaña registrados mediante pluviómetros instalados en las localidades o campos donde se establecieron los ensayos, reflejando las condiciones específicas de cada sitio experimental, así como la serie 1945-2020 registrada en la EEA INTA Reconquista.

Precipitaciones mensuales totales por localidad durante la campaña 2025/26 y serie 1945/2020 del EEA INTA Reconquista

Figure 2.2: Precipitaciones mensuales totales por localidad durante la campaña 2025/26 y serie 1945/2020 del EEA INTA Reconquista

Las localidades Col. Dolores y La María tuvieron precipitaciones similares durante el ciclo, tanto en volumen total como en su distribución. Las precipitaciones de agosto y septiembre superaron el promedio de referencia con, niveles muy notables (4 veces el promedio de referencia) para agosto. En cambio Los Lapachos registro 150-200 mm menos que las demás localidades, con mayor total al inicio (julio) pero menores niveles en agosto-septiembre.

El siguiente gráfico muestra los datos de temperatura diaria (mínima, media y máxima) que se obtuvieron de la base de datos NASA POWER para cada una de las localidades del ensayo durante el ciclo del cultivo.

En todas las localidades se registraron temperaturas medias entre 5-30 ºC con mínimas cercanas y por debajo de 0 ºC durante los meses invernales. Hacia fines de julio se registró un periodo de temperaturas cercanas a 20 ºC sostenidas durante varios días. Del mismo modo, hacia fines de julio un período de marcada amplitud con temperaturas por debajo de 10 ºC. Se registraron algunas heladas tardías.

En la siguiente tabla se resume el número de días nublados el cual se calculó a partir de datos de NASA POWER, contabilizando los días del mes en los cuales el promedio diario de cobertura nubosa superó el 75%. Esta variable proporciona un indicador de las condiciones de radiación disponible durante el ciclo del cultivo.

Table 2.1: % de nubosidadNúmero de días nublados (promedio de nubosidad > 75%)
Localidad 2025-jul 2025-ago 2025-sep 2025-oct 2025-nov
Col. Dolores 15 11 11 0 0
La Maria 12 8 12 0 0
Los Lapachos 13 11 12 0 0

2.3 Genotipos

Los tratamientos evaluados en la campania 2025/26 fueron 19 genotipos. En la Tabla 2.2 se indican las localidades en las que fueron evaluados.

Table 2.2: Cultivares evaluadas y localidades en las que fueron incluidas
Semillero Genotipo
Localidades
Col. Dolores La Maria Los Lapachos
ACA 605
ACA 607
ACA 921
ARCE
GINGKO
B. AIMARA
B. LAHUEN
DM AROMO
DM CASUARINA
DM CATALPA
DM PEHUEN
DM TIPA
K. BORO
K. ESTAÑO
K. NUTRIA
LG PICAZO
MSINTA 924
NEO30T23
BAGUETTE 525

Todos los genotipos estuvieron presentes en las 3 localidades. Los genotipos utilizados como referencia o check con más de una réplica por localidad fueron K. NUTRIA en Los Lapachos y Col. Dolores y DM AROOMO en La Maria.

3 Resultados

3.1 Rendimiento testigo

En la Tabla 3.1 se muestran los rendimientos promedio por localidad de los genotipos utilizados como check o control.

Table 3.1: Rendimiento seco medio y coeficiente de variación por localidad de los genotipos utilizados como check
Localidad Genotipo media CV min max
Col. Dolores K. NUTRIA 3139 4 3061 3283
La Maria DM AROMO 4711 2 4637 4823
Los Lapachos K. NUTRIA 4029 12 3479 4640

En general, a excepción de la localidad Los Lapachos, los rendimientos de los controles mostraron muy bajo CV, reflejando estabilidad en los resultados. En La Maria, el genotipo DM AROMO mostró el rendimiento seco medio más alto y el mayor coeficiente de variación, indicando una alta homogeneidad en el rendimiento.

La Tabla 3.2 muestra el stand de plantas promedio logrado en las distintas localidades.

Table 3.2: Stand de plantas logradas (pl m-2)
Localidad Promedio CV (%)
Col. Dolores 283 9
La Maria 303 14
Los Lapachos 115 13

En general los valores de estand de plantas tuvieron variabilidad moderada a baja. Los Lapachos tuvo el menor promedio de stand de plantas con aproximadamente 115 pl/m2 ya que fue sembrado a 52 cm. En cambio las otras dos localidades tuvieron mayores densidades en torno a 280-300 pl/m2.

3.2 Rendimientos por Localidad

La Figura 3.1 muestra los rendimientos medios por localidad, respectivamente. La línea continua representa el promedio en toda la campaña.

Gráficos interactivos: se puede hacer zoom o mostrar/ocultar los grupos de datos haciendo doble-click en la leyenda.

Figure 3.1: Rendimiento seco promedio y desvío estándar por Localidad

Los rendimientos promedio de las 3 localidades variaron entre ~ 3770 a 5600 kg ha-1. Los rendimientos secos promedio por localidad reflejan diferencias claras en la producción, con La María alcanzando los valores más altos y mayor dispersión. Tanto en La Maria como en Col. Dolores, el rendimiento de los controles se ubicó por debajo del promedio de la localidad, mientras que en Los Lapachos el rendimiento del control fue más disperso.

3.3 Rendimientos por Genotipo

En la Figura 3.2 se presentan los valores medios y desviaciones estándar de los rendimientos seco de los genotipos considerando la variabilidad entre localidades.

Gráficos interactivos: se puede hacer zoom o mostrar/ocultar los grupos de datos haciendo doble-click en la leyenda.

Figure 3.2: Rendimientos medios y desvio estándar de los genotipos

Los rendimientos secos promedio por genotipo a través de las localidades variarion de 4130 a 4980 kg/ha. El desvío estándar indica diferencias importantes en la estabilidad del rendimiento según genotipo. Los genotipos con mayor variabilidad fueron K. BORO y K.NUTRIA. Entre los genotipos con rendimientos más homogéneos se encuentran ACA 921 y LG PICAZO.

3.4 Rendimientos promedio y CV

En la Tabla 3.3 se presentan los promedios y \(CV\) por Genotipo y Localidad, del rendimiento seco en kg/ha y base 100. Los genotipos están ordenados en función del valor relativo promedio. Los colores están ordenados en funión del valor relativo de cada localidad.**

Los datos pueden descargarse de los siguientes enlaces: medias_CV_rend_real.xlsx

3.4.1 Tabla rendimiento y CV

Table 3.3: Rendimiento seco medio (kg/ha) y coeficiente de variación por genotipo y localidad
Localidad
Promedio CV
Col. Dolores La Maria Los Lapachos
GINGKO 93 (3592) 106 (6033) 123 (5327) 107 (4984) 14 (25)
MSINTA 924 103 (3962) 105 (5971) 112 (4827) 107 (4920) 4 (20)
B. AIMARA 97 (3742) 114 (6492) 108 (4650) 106 (4961) 8 (28)
DM CATALPA 109 (4193) 105 (5985) 105 (4530) 106 (4903) 2 (19)
LG PICAZO 115 (4420) 95 (5430) 107 (4644) 106 (4831) 10 (11)
DM PEHUEN 98 (3765) 114 (6492) 102 (4406) 105 (4887) 8 (29)
DM CASUARINA 105 (4020) 104 (5930) 94 (4050) 101 (4667) 6 (23)
ACA 921 123 (4712) 81 (4598) 99 (4281) 101 (4531) 21 (5)
B. LAHUEN 102 (3904) 105 (5985) 94 (4041) 100 (4643) 6 (25)
DM TIPA 103 (3958) 100 (5693) 97 (4188) 100 (4613) 3 (20)
NEO30T23 103 (3968) 99 (5648) 97 (4193) 100 (4603) 3 (20)
K. BORO 82 (3158) 105 (5992) 110 (4756) 99 (4635) 15 (31)
ARCE 93 (3583) 109 (6207) 94 (4041) 99 (4610) 9 (30)
K. ESTAÑO 104 (3987) 96 (5441) 94 (4045) 98 (4491) 5 (18)
ACA 605 84 (3226) 100 (5713) 107 (4623) 97 (4521) 12 (28)
BAGUETTE 525 117 (4506) 85 (4835) 79 (3405) 94 (4249) 22 (18)
ACA 607 93 (3583) 95 (5397) 92 (3990) 93 (4324) 2 (22)
K. NUTRIA 82 (3139) 100 (5677) 93 (4029) 92 (4282) 10 (30)
DM AROMO 94 (3630) 83 (4711) 94 (4068) 90 (4136) 7 (13)
Promedio 100 (3845) 100 (5696) 100 (4321)

Genotipos más productivos: GINGKO y MSINTA 924 con rendimiento promedio relativo (107%) y absoluto (4984 y 4920 kg/ha), y luego B. AIMARA, DM CATALPA, LG PICAZO, y DM PEHUEN también tiene un buen rendimiento promedio (106-105%, 4900 kg/ha).

Genotipos más estables (bajo CV): DM CATALPA, ACA 607, DM TIPA, y NEO30T24 con CV en torno a 2-3%

3.4.2 Gráfico

La Figura 3.3 presenta la relación entre los rendimientos promedio y la estabilidad (indicada por el CV) de los genotipos a través de las localidades incluidas en la red durante la campaña 2025/26.

Figure 3.3: Rendimiento seco medio y CV (%) de los genotipos evaluados en la campaña 2025/26

La mayoría de los genotipos mostraron CV entre localidades inferior al 15%. Tomando el rendimiento relativo y CV medios de la red (líneas punteadas), se observa que, salvo GINGKO, los genotipos de mayor rendimiento relativo promedio muestran valores de variabilidad INFERIORES A 10%.

3.5 Diferencias entre genotipos

En la Tabla 3.4 se presentan los resultados del análisis de la varianza (ANOVA) del modelo ajustado:

Table 3.4: Tabla de Análisis de la Varianza del modelo lineal mixto
gl num F Valor p
(Intercept) 1 5,255.46 0.00000
Localidad 2 75.85 0.00000
Genotipo 18 0.83 0.66051

No se detectaron diferencias de rendimiento estadísticamente significativas al 10% de significancia considerando la red en su conjunto y considerando la heterogeneidad de variabilidad entre localidades (p = 0.66). Por otro lado no se detectó efecto significativo del stand de plantas (p > 0.10).

En Tabla 3.5 se listan los valores medios ajustados, errores estándar e intervalos de confianza de los rendimientos medios de cada Localidad La amplitud de los \(IC_{90}\) responde a que el espacio de inferencia es toda la región de donde proviene la muestra de las 3 localidades analizadas y la precisión alcanzada según el número de réplicas.

Table 3.5: Rendimientos intervalos de confianza 90% ajustados por el modelo
Rend. medio Error estándar gl LI IC90 LS IC90 grupo
GINGKO 4984 278 36 4515 5453 a
B. AIMARA 4961 278 36 4492 5430 a
MSINTA 924 4920 278 36 4451 5389 a
DM CATALPA 4903 278 36 4434 5372 a
DM PEHUEN 4887 278 36 4418 5356 a
LG PICAZO 4831 278 36 4362 5301 a
DM CASUARINA 4667 278 36 4198 5136 a
B. LAHUEN 4643 278 36 4174 5112 a
K. BORO 4635 278 36 4166 5104 a
DM TIPA 4613 278 36 4144 5082 a
ARCE 4610 278 36 4141 5079 a
NEO30T23 4603 278 36 4134 5072 a
ACA 921 4531 278 36 4061 5000 a
ACA 605 4521 278 36 4052 4990 a
K. ESTAÑO 4491 278 36 4022 4960 a
ACA 607 4324 278 36 3855 4793 a
K. NUTRIA 4282 278 36 3813 4751 a
BAGUETTE 525 4249 278 36 3780 4718 a
DM AROMO 4136 278 36 3667 4605 a

El cuadro anterior representa el ranking de genotipos ordeandos por el rendimiento global para la zona de influencia de la Red. El rendimiento medio representa la mejor estimación global del rendimiento de cada genotipo para la región en general a partir de la información obtenida en el presente ensayo. Este valor estimado se acompaña de los límites de un intervalo de confianza (LI IC90 y LS IC90) los cuales representan la región donde se encuentra el verdadero valor del rendimiento.

Considerando la red globalmente, el ranking de materiales muestra el ordenamiento de mayor a menor rendimiento. No se detectaron diferencias estadísticamente significativas debido a la variación observada.

3.6 Interacción GA

3.6.1 Campaña actual

Las diferencias de los rendimientos medios de cada localidad resumen la heterogeneidad de condiciones ambientales a las cuales fueron sometidos los genotipos evaluados. Utilizando esta información se construye un índice ambiental (IA) que se utiliza para modelar la interacción genotipo x ambiente a partir de rendimientos de cada genotipo y ambiente. En la Tabla 3.6 se presenta la tabla de ANOVA del modelo.

Table 3.6: Tabla de ANOVA del modelo de regresión para la interacción GxA
Fuente gl SC CM F Valor p
Localidad 2 35128196.76 17564098.38 102.35 <0.0001
Genotipo 18 3441478.58 191193.25 1.11 0.4106
Genotipo:IA 18 5247052.54 291502.92 1.70 0.1352
Residuals 18 3089083.75 171615.76

Según este análisis, no se detecta interacción significativa al 10% entre los materiales evaluados y el índice ambiental (p = 0.1352). No obstante el valor de significancia es marginal lo que implicaría falta de potencia para detectar las diferencias de sensibilidad observadas que indicarían variaciones significativas de las pendientes de la relación IA y rendimiento en el rango de valores de IA explorados.

En la Figura 3.4 se presentan las gráficas correspondientes a las normas de reacción a los cambios del IA en relación a la respuesta promedio (recta 1:1).

Gráficos interactivos: se puede hacer zoom o mostrar/ocultar los grupos de datos haciendo doble-click en la leyenda. Por defecto se muestra el primer genotipo, pero haciendo click o doble-click sobre los nombres de los genotipos se pueden agregar/remover rectas para comparar.

Figure 3.4: Respuesta diferencial de cada Genotipo a los cambios del IA

Las pendientes (\(\beta\)) de las rectas (línea sólida de color) representan la sensibilidad de cada genotipo a la calidad del ambiente caracterizada por el rendimiento medio de la localidad. La sensibilidad promedio (línea punteada) representa la respuesta general de todos los genotipos. Para un genotipo cualquiera, si el valor de la pendiente es \(\beta_i > 1\), el genotipo en cuestión tiene mayor sensibilidad a los cambios de calidad del ambiente (a mayor calidad ambiental, mayor rendimiento, y vice versa). En cambio si \(\beta_i < 1\), entonces el genotipo es menos sensible y tendría mejores respuestas en ambientes malos y respuestas inferiores al promedio en ambientes buenos. Las diferencias entre las pendientes de los distintos genotipos representa la interacción GA.

A modo descriptivo los valores estimados de los \(\beta\) para algunos genotipos, como por ejemplo K. NUTRIA, K. BORO, ARCE, B. AIMARA, y DM PEHUEN mostraron pendientes positivas 25% mayores al promedio general. En el otro extremo, ACA 921, BAGUETTE 525, LG PICAZO, y DM AROMO fueron los materiales con menor sensibilidad (pendientes 25% menores a 1). De estas estimaciones, BAGUETTE 525 y ACA 921 tuvieron pendientes inferiores a 1.

El siguiente gráfico muestra la relación entre las pendientes estimadas y los rendimientos medios de cada genotipo.

Figure 3.5: Coeficiente de sensibilidad vs rendimiento medio de los genotipos a través de las localidades

Se observa que entre los materiales con mayor rendimiento promedio, los valores de sensibilidad fueron consistentemente superiores a 1, indicando mayor sensibilidad. Por ejemplo, B. AIMARA y DM PEHUEN mostraron rendimientos promedio en torno a 4800 y 4900 kg/ha con coeficientes de sensibilidad de 1.45-1.48.

3.6.2 Últimas dos campañas

Al considerar los ambientes evaluados en las últimas 2 campañas (combinacion localidad x campaña), sólo 11 genotipos estuvieron presentes en los 7 ambientes explorados en las últimas 2 campañas. En la Tabla 3.7 se presenta la tabla de ANOVA del modelo de regresión de la media ajustado.

Table 3.7: Tabla de ANOVA del modelo de regresión para la interacción GxA últimas 2 campañas.
Fuente gl SC CM F Valor p
Localidad 5 209802510.90 41960502.18 251.75 <0.0001
Genotipo 10 3119919.67 311991.97 1.87 0.0719
Genotipo:IA 11 15136099.91 1376009.08 8.26 <0.0001
Residuals 50 8333642.97 166672.86

Según este análisis se detecta interacción significativa entre los materiales evaluados y el índice ambiental (p < 0.0001). Esto implica que al menos uno de los genotipos mostró una norma de reacción con pendiente distinta de 1, es decir, sensibilidad diferente al promedio. La Table 3.8 muestra los valores de pendiente estimados.

Table 3.8: Penidentes estimadas últimas 2 campañas.
Genotipo Beta Error estándar gl LI IC90 LS IC90
GINGKO 1.11 0.09 55 0.93 1.29
DM PEHUEN 1.09 0.09 55 0.91 1.27
DM CATALPA 1.04 0.09 55 0.86 1.22
B. AIMARA 1.04 0.09 55 0.86 1.21
DM TIPA 1.01 0.09 55 0.83 1.18
ARCE 1.00 0.09 55 0.83 1.18
ACA 605 0.98 0.09 55 0.80 1.15
LG PICAZO 0.97 0.09 55 0.80 1.15
ACA 921 0.95 0.09 55 0.77 1.13
DM AROMO 0.89 0.09 55 0.71 1.07
BAGUETTE 525 0.88 0.09 55 0.70 1.05

Según la tabla anterior muestra que, si bien hay heterogeneidad de pendientes entre los materiales, en todos los casos, los IC contienen al 1, lo cual indicaría que éstos se comportan de manera similar que el promedio. Entre estos DM AROMO y BAGUETTE 525 presentó una tendencia a menor sensibilidad (menor pendiente), mientras que GINGKO y DM PEHUEN estuvieron entre los de mayor sensibilidad.

En la Figura 3.6 se presentan las gráficas correspondientes a las normas de reacción a los cambios del IA en relación a la respuesta promedio (recta 1:1). Por defecto se muestra el primer genotipo, pero haciendo click o doble-click sobre los nombres de los genotipos se pueden agregar/remover rectas para comparar.

Figure 3.6: Respuesta diferencial de cada Genotipo a los cambios del IA ultimas 2 campañas

3.7 Calidad de grano

3.7.1 Humedad de cosecha

Table 3.9: Humedad a cosecha de cada gentoipo y duración ciclo por localidad
Genotipo
Localidad (Duración ciclo)
Col. Dolores (137 días) La Maria (136 días) Los Lapachos (133 días)
ACA 605 16.1 12.5 11.7
ACA 607 16.8 13.2 12.9
ACA 921 14.9 13.0 10.8
ARCE 16.8 13.2 11.8
B. AIMARA 16.1 13.0 11.8
B. LAHUEN 15.4 12.5 11.8
BAGUETTE 525 16.3 13.6 10.8
DM AROMO 15.7 13.4 11.2
DM CASUARINA 15.5 13.3 11.6
DM CATALPA 14.8 12.5 11.0
DM PEHUEN 15.6 13.0 12.2
DM TIPA 16.8 12.8 11.4
GINGKO 15.8 11.8 11.2
K. BORO 16.3 12.4 12.8
K. ESTAÑO 16.2 12.5 11.7
K. NUTRIA 15.9 13.4 12.2
LG PICAZO 15.8 13.4 11.3
MSINTA 924 16.9 12.7 11.5
NEO30T23 16.6 13.5 11.3

Los datos pueden descargarse del siguiente enlace: tabla_humedad.xlsx

3.7.2 Peso Hectolítrico

Table 3.10: Peso hectolítrico de cada gentoipo por localidad
Genotipo
Localidad
Col. Dolores La Maria Los Lapachos
ACA 605 73.6 77.7 78.3
ACA 607 77.4 81.5 85.2
ACA 921 74.7 76.4 78.7
ARCE 76.2 79.2 79.1
B. AIMARA 77.4 81.1 80.6
B. LAHUEN 75.5 78.3 78.8
BAGUETTE 525 75.9 78.6 77.6
DM AROMO 74.7 77.8 79.0
DM CASUARINA 75.9 76.9 80.3
DM CATALPA 74.2 75.5 77.2
DM PEHUEN 75.0 77.9 80.4
DM TIPA 72.7 76.4 77.0
GINGKO 75.2 77.5 78.1
K. BORO 78.5 82.4 80.9
K. ESTAÑO 71.8 74.4 76.4
K. NUTRIA 79.3 82.2 82.9
LG PICAZO 76.0 79.1 79.8
MSINTA 924 76.0 79.8 80.1
NEO30T23 74.3 77.3 78.4

Los datos pueden descargarse del siguiente enlace: tabla_PH.xlsx

3.7.3 Proteína

Table 3.11: Contenido de proteína por genotipo y localidad
Genotipo
Localidad
Col. Dolores La Maria Los Lapachos
ACA 605 7.9 9.8 9.9
ACA 607 8.4 9.9 11.4
ACA 921 8.7 9.1 10.0
ARCE 8.7 9.6 10.0
B. AIMARA 8.8 9.5 9.5
B. LAHUEN 7.9 9.1 10.1
BAGUETTE 525 8.2 9.2 9.2
DM AROMO 8.7 9.6 10.6
DM CASUARINA 7.7 8.6 9.8
DM CATALPA 7.7 8.3 9.7
DM PEHUEN 8.1 8.8 9.7
DM TIPA 8.2 9.4 10.3
GINGKO 8.6 10.0 9.6
K. BORO 8.5 9.4 9.8
K. ESTAÑO 8.3 9.0 10.1
K. NUTRIA 9.2 10.3 10.7
LG PICAZO 8.2 9.3 10.2
MSINTA 924 8.1 9.1 10.1
NEO30T23 8.6 9.5 9.9

Los datos pueden descargarse del siguiente enlace: tabla_PB.xlsx

3.8 Componentes de rendimiento

A continuación se presentan los datos de componentes de rendimiento: espigas por m2 y peso de 1000 granos (g), granos por espiga.

Table 3.12: Componentes de rendimiento por genotipo y localidad
Localidad
Componente unidad Col. Dolores La Maria Los Lapachos
ACA 605
espigas 392.9 388.6 288.5
p1000 g 39.0 46.0 41.5
rend kg/ha 3,226.1 5,712.9 4,623.2
ACA 607
espigas 319.0 454.5 285.4
p1000 g 35.5 38.0 35.0
rend kg/ha 3,583.1 5,397.3 3,990.4
ACA 921
espigas 316.7 350.9 297.7
p1000 g 36.5 39.5 33.5
rend kg/ha 4,712.1 4,598.3 4,281.2
ARCE
espigas 281.0 390.9 293.8
p1000 g 40.0 40.0 31.0
rend kg/ha 3,583.1 6,206.9 4,040.8
B. AIMARA
espigas 340.5 471.0 332.3
p1000 g 37.0 42.5 38.0
rend kg/ha 3,742.3 6,491.7 4,650.1
B. LAHUEN
espigas 271.4 376.8 273.1
p1000 g 36.5 42.0 37.5
rend kg/ha 3,903.7 5,985.0 4,040.8
BAGUETTE 525
espigas 366.7 367.4 300.0
p1000 g 36.0 39.5 30.5
rend kg/ha 4,505.8 4,835.2 3,405.5
DM AROMO
espigas 328.6 432.1 329.2
p1000 g 35.0 39.5 37.0
rend kg/ha 3,630.5 4,710.5 4,068.2
DM CASUARINA
espigas 297.6 419.2 321.5
p1000 g 33.0 38.0 35.0
rend kg/ha 4,020.3 5,930.2 4,049.9
DM CATALPA
espigas 395.2 435.7 327.7
p1000 g 39.0 42.5 34.0
rend kg/ha 4,193.4 5,985.0 4,530.4
DM PEHUEN
espigas 423.8 445.1 338.5
p1000 g 33.5 39.5 38.5
rend kg/ha 3,764.6 6,491.7 4,405.5
DM TIPA
espigas 314.3 355.6 370.8
p1000 g 35.5 39.5 35.5
rend kg/ha 3,958.5 5,693.3 4,187.9
GINGKO
espigas 316.7 346.2 291.5
p1000 g 41.5 41.0 38.5
rend kg/ha 3,591.6 6,032.8 5,327.5
K. BORO
espigas 390.5 426.3 422.3
p1000 g 35.0 36.0 35.5
rend kg/ha 3,158.4 5,991.8 4,755.9
K. ESTAÑO
espigas 314.3 365.0 249.2
p1000 g 41.5 40.5 37.5
rend kg/ha 3,987.0 5,440.9 4,045.3
K. NUTRIA
espigas 284.9 412.1 340.8
p1000 g 39.2 41.5 37.8
rend kg/ha 3,138.9 5,676.6 4,029.2
LG PICAZO
espigas 359.5 445.1 380.8
p1000 g 41.0 39.5 34.0
rend kg/ha 4,420.5 5,429.8 4,644.2
MSINTA 924
espigas 326.2 447.4 313.1
p1000 g 41.5 46.0 40.0
rend kg/ha 3,962.3 5,971.3 4,826.8
NEO30T23
espigas 428.6 447.4 369.2
p1000 g 37.5 41.5 34.5
rend kg/ha 3,968.0 5,647.6 4,192.7

Los datos pueden descargarse del siguiente enlace: tabla_componentes.xlsx

Relación entre cantidad de espigas por superficie y rendimiento final

4 Consideraciones finales

En general se observó una moderada a baja variabilidad de los rendimientos de cada genotipo a través de las distintas localidades evaluadas. También se observó baja heterogeneidad de respuesta dentro de cada localidad reflejada por los testigos.

A nivel global no se detectaron diferencias pese a observase diferencias de ~800 kg ha-1, siendo los genotipos GINGKO, B. AIMARA, MSINTA 924, DM CATALPA y DM PEHUEN los 5 de mayor rendimiento promedio observado.

En el estudio de la interacción GA de la campaña actual no se detectó diferencias significativas pero al patrón de respuesta promedio pero algunos genotipos mostraron coeficientes de sensibilidad mayores (por encima de la recta 1:1): K. NUTRIA, K. BORO, ARCE, B. AIMARA, y DM PEHUEN. Por el contrario, ACA 921, BAGUETTE 525, LG PICAZO, y DM AROMO tuvieron pendientes inferiores a 1.

5 Agradecimientos

  • A las empresas semilleras: A.C.A., Bioceres, Buck, Don Mario, Klein, Limagrain, MacroSeed, NeoGen, y Nidera, por haber confiado un año más en nuestra zona y en la utilidad de los Ensayos Comparativos de Rendimiento.

  • A las Empresas CREA de la Región Norte de Santa Fe que año tras año realizan el esfuerzo de siembra conducción y cosecha de estas macro parcelas en sus establecimientos, dedicando personal tiempo y recursos para tal fin.

6 Bibliografía

Finlay, K. W., and Wilkinson, G.N. (1963). The analysis of adaptation in a plant-breeding programme. Aust. J. Agric. Res. 14, 742–754.

Kempton, R.A. (Ed) (1997). Statistical methods for plant variety evaluation. Plant breeding series. Chapman & Hall, London. pp. 191.

Lenth, R. (2019). emmeans: Estimated Marginal Means, aka Least-Squares Means. R package version 1.3.3. https://CRAN.R-project.org/package=emmeans

Malosetti, Marcos, Jean-Marcel Ribaut, and Fred A. van Eeuwijk. 2013. “The Statistical Analysis of Multi-Environment Data: Modeling Genotype-by-Environment Interaction and Its Genetic Basis.” Frontiers in Physiology 4 (March). doi:10.3389/fphys.2013.00044.

Piepho, H.P., C. Richter, J. Spilke, K. Hartung, A. Kunick, and H. Thöle. 2011. Statistical aspects of on-farm experimentation. Crop and Pasture Science 62(9): 721.

Pinheiro J, Bates D, DebRoy S, Sarkar D, R Core Team (2018). nlme: Linear and Nonlinear Mixed Effects Models. R package version 3.1-137, URL: https://CRAN.R-project.org/package=nlme.

R Core Team (2024). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. URL https://www.R-project.org/.

Sievert, C. (2020) Interactive Web-Based Data Visualization with R, plotly, and shiny. Chapman and Hall/CRC Florida.

Wickham, H. (2017). tidyverse: Easily Install and Load the ‘Tidyverse’. R package version 1.2.1. https://CRAN.R-project.org/package=tidyverse

Yan, W.; Kang, M. S. (2002). GGE Biplot Analysis: A Graphical Tool for Breeders, Geneticists, and Agronomists. 1st edition. CRC Press. pp. 288.

7 Apéndice

7.1 Análisis estadístico

7.1.1 Rendimientos testigos

La información proveniente de las franjas testigo repetidas se utilizó para evaluar la variación dentro de las localidades y la existencia de tendencia espacial de los rendimientos según su ubicación en el experimento. Para esto último, en cada localidad se ajustaron modelos lineales de los rendimientos en función del orden de la parcela:

\[ y_{i} = \beta_0 + \beta_1X_i + e_{i} \]

donde: \(y_{i}\) representa la respuesta del testigo en la parcela \(i\), \(X_i\) es el número de posición de la parcela en el experimento, y \(\beta_0\) y \(\beta_1\) coeficientes de regresión.

7.1.2 Estadísticas descriptivas

Se calcularon estadísticas de resumen y gráficos descriptivos por genotipo y localidad para la variable respuesta rendimiento seco (kg ha-1).

El promedio de cada genotipo en la red se calculó utilizando la siguiente expresión:

\[ \bar{y}_i = \dfrac{\sum y_{ij}}{n_i} \]

donde: \(\bar{y}_i\) es el rendimiento medio del genotipo \(i\), \(y_{ij}\) es el rendimiento del genotipo \(i\) en la localidad \(j\) y \(n_i\) es el número de localidades donde fue evaluado el genotipo \(i\). En aquellos casos donde se contó con más de una franja por localidad, los datos fueron promediados dentro de cada localidad. Así mismo el coeficiente de variación (\(CV\)) de cada genotipo en la red se calculó mediante la siguiente expresión:

\[ CV_{{y}_i} = \dfrac{s_{y_i}}{\bar{y}_i} \times 100 \]

donde: \(\bar{y}_i\) es el rendimiento medio del genotipo \(i\) y \(s_{y_{i}}\) es el desvío estándar de los rendimientos del genotipo \(i\) a través de las localidades:

\[ s_{y_i} = \sqrt{\dfrac{\sum \left(y_{ij} - \bar{y}_i \right)^2}{n_i -1}} \]

Las estadísticas anteriores se expresaron en valores absolutos y relativos al promedio de la localidad.

7.1.3 Diferencias de rendimiento

Para comparar y determinar las diferencias de respuesta de los materiales evaluados a nivel región se ajustó a los datos un modelo lineal sobre el rendimiento medio global de la Red. Los genotipos, localidades y el stand de plantas fueron considerados efectos fijos :

\[ y^*_{ij} = \mu + \tau_i + \rho_j + $\gamma_j + e_{ij} \]

donde: \(y^*_{ij}\) representa la respuesta del genotipo \(i\) sembrado en la localidad \(j\), corregido por efecto de la posición de la parcela en caso necesario; \(\mu\) es la media general de los ensayos de la red, \(\tau_i\) es efecto o diferencia del genotipo \(i\) respecto a la media general del ensayo, \(\rho_i\) es efecto de la relación stand de plantas y rendimiento en la localidad \(j\), \(\gamma_j\) el efecto de la localidad \(j\), y \(e_{ij}\) el error experimental asociado al genotipo \(i\) sembrado en la localidad \(j\). Se asume que \(e_{ij}\) son independientes y tienen distribución normal con media 0 y varianza \(\sigma^2_e\).

Este modelo asume que los niveles de Localidad son una muestra aleatoria de las localidades de la Región Norte, no obstante debido al tamaño limitado de ambiente explorados se modela como efectos fijos. Debido a que los testigos fueron las únicas genotipos replicados, la interacción Genotipo:Localidad representaría la heterogeneidad de dicho genotipo dentro de cada Localidad por lo tanto no fue estimada (Piepho et al., 2012).

Las diferencias de rendimiento entre genotipos se determinaron mediante la prueba de comparaciones múltiples de Tukey, considerando un nivel de significancia de 10%.

7.1.4 Análisis interacción genotipo x ambiente

Para explorar los patrones de interacción GA se utilizó el procedimiento de regresión sobre la media (Finlay y Wilkinson, 1963)

La heterogeneidad ambiental explorada por los genotipos considerados en la red se caracterizó mediante los rendimientos medios de cada Localidad. Esta covariable denominada Índice Ambiental (IA) fue utilizada para modelar la interacción GA a partir del siguiente modelo:

\[ y_{ij} = \mu_i + \beta_i X_j + e_{ij} \]

donde: \(y_{ij}\) es el rendimiento del genotipo \(i\) en el ambiente o localidad \(j\), \(\mu_i\) es la ordenada al origen de cada genotipo, \(X_j\) el índice ambiental de la localidad \(j\), y \(\beta_i\) la pendiente o sensibilidad del genotipo \(i\) a los cambios del IA.

Según este modelo, \(\mu_i\) representa el comportamiento de los genotipos en el ambiente promedio y los coeficientes \(\beta_i\) la sensibilidad de los Genotipos a la calidad del ambiente caracterizada por el rendimiento medio de la localidad. Entonces, si la interacción GA es significativa representa la heterogeneidad de respuestas, i.e. \(\beta\) distintos para los genotipos. El valor de \(\beta\) indica la sensibilidad el genotipo a los cambios de calidad del ambiente. Si \(\beta_i > 1\) indica que el genotipo \(i\) tiene una respuesta mayor al promedio (a mayor calidad ambiental, mayor rendimiento), en cambio si \(\beta_i < 1\), entonces el genotipo responde menos.

Para complementar este análisis, se realizó el mismo procedimiento combinando los datos de últimas campañas. La Tabla 7.1 muestra el número de genotipos presentes en todas las localidades de las últimas campañas.

Table 7.1: Número de genotipos presentes en todas las localidades de las últimas campañas
Campañas Número de genotipos
2025/26 19
2024/25, 2025/26 11
2022/23, 2024/25, 2025/26 5
2021/22, 2022/23, 2024/25, 2025/26 3
2020/21, 2021/22, 2022/23, 2024/25, 2025/26 1
2019/20, 2020/21, 2021/22, 2022/23, 2024/25, 2025/26 1

De los 71 genotipos evaluados durante las últimas 6 campañas, sólo 11 estuvieron en todos los ambientes conformados por la interacción Campaña:Localidad de las campañas 2024/25, 2025/26. Estos genotipos fueron utilizados para el análisis. Si bien el criterio de inclusión reduce la cantidad de genotipos se incrementa la potencia para detectar patrones de interacción.

7.2 Software

Los datos fueron procesados utilizando el software estadístico R versión 4.4 (R Core Team, 2025) y los paquetes nlme (Pinheiro et al., 2018), emmeans (Lenth, 2019), tidyverse (Wickham, 2017) y plotly (Sievert, 2020).